hiapi 上的 gpt-image-2-pro：价格、质量层级以及如何调用新图像模型

本月 hiapi 的 /api/pricing 端点刷新后，两条新条目攀升至图像模型列表顶部：gpt-image-2-pro 和 gpt-image-2-image-to-image-pro。两者都带有紫色的“Pro”徽章，都固定在模型选择器的顶部，价格都超过标准 gpt-image-2 调用的十倍。那么显而易见的问题是：你究竟在为哪些东西付费？

本文逐一说明 Pro 变体到底是什么、实时价格矩阵长什么样，以及如何通过 hiapi 的统一任务 API 调用它们。如果你正在犹豫是否要在现有流水线上每帧多付 $0.35，下面就是你需要算的账。

---

“Pro” 在价格页上的含义

两个新条目在官方价格数据中都将自己描述为“高质稳定档”——一个以稳定性为先的层级，专为生产运行而构建，这类运行需要成功率和延迟可预测，而不只是平均表现良好。

这个措辞的重要性超出表面。每次调用 $0.03 的标准版 gpt-image-2 非常适合探索、批量扩散，以及任何“一百张里几张废片没关系、因为重新生成很便宜”的场景。Pro 则是当单张失败图像的成本高于多花十美元算力时你会选择的变体——一次必须一次就干净的排期营销渲染、一个下一次尝试会错过发布窗口的付费广告素材、一张卡住发布的主视觉图。

图生图 Pro 变体还多了一项能力：它在提示词之外接受一至五张参考图像，然后对它们进行编辑、合成或改风格。同样的稳定性承诺，同样的 Pro 层级，只是输入形态不同。

---

实时价格矩阵

写作时已对照实时价格页确认——该页面是唯一事实来源，以下数字直接取自其中：

模型	1K（1024 级）	2K	备注
gpt-image-2（标准，文生图）	$0.03	$0.04	探索层级；另提供 4K
gpt-image-2-pro（文生图）	$0.35	$0.70	稳定性层级，固定排名第 1
gpt-image-2-image-to-image-pro	$0.40	$0.80	1–5 张参考图像，编辑 / 合成

几点实用解读：

• Pro 在 1K 下约为标准的 12–14 倍，2K 下约为 17–21 倍。这是实实在在的预算差距。如果你说不清这张特定图像为什么需要 Pro，那你大概需要标准版。
• 2K 对 Pro 是干净的 2 倍乘数。与某些图像厂商对高分辨率附加费采取递减策略不同，Pro 变体是整齐翻倍，易于预测。
• 图生图在两个层级上都比文生图高约 14%（1K 下 $0.40 对 $0.35，2K 下 $0.80 对 $0.70）。你为额外的参考图像处理付费。

作为对比，标准版 gpt-image-2 采用不同的形态：1K = $0.03，2K = $0.04（1.33 倍乘数），4K = $0.06（2 倍乘数）。标准变体提供 4K 层级；Pro 变体目前最高 2K，但每像素保真度显著更高。如果你需要原始分辨率，标准版 4K 仍是获得大画布最便宜的途径；如果你需要一致的生产级质量，Pro 2K 才是选择。

---

Pro 何时物有所值

Pro 层级是对稳定性的押注，不是什么神奇的画质按钮。它能够回本的场景都有同一个形态：重新生成的代价很高，而渲染失败的代价是不对称的。

以下情况值得为 Pro 付费：

• 图像将交付到面向客户的界面，并且会在下一批之前接受审核（付费广告、营销邮件、媒体资料包、店铺主视觉）。
• 你需要在一小组渲染中保持角色或产品一致性，承受不起任何一帧漂移。
• 你有需要负责的稳定性 SLA——一个必须在已知时间窗口内产出可用图像的定时任务。
• 下游流水线很昂贵：人工审核、品牌审批、手动修图。在输入端每张图多花一点，比把糟糕的渲染送进链条下游更划算。

以下情况继续用标准版：

• 你在跑大规模扩散（50、500、5000 张图像），并对输出进行打分筛选。
• 你在探索提示词，而不是在交付它们。对草稿用 Pro 是浪费钱。
• 图像存在于非关键界面（博客正文填充、内部幻灯片、开发测试素材），重新生成只需一键。

图生图 Pro 变体的适用区间更窄：当你拥有一份品牌在意的参考素材——一张产品照片、一张设计师认可的角色设定图、一块活动情绪板——并且需要一次不破坏参考素材亮点的编辑时，它几乎总是正确选择。花 $0.40 让一场价值 $4,000 的产品拍摄的光照在十二个变体中保持一致，这笔账显而易见。

---

从 hiapi 调用模型

两个 Pro 变体都使用 hiapi 的统一任务 API：POST /v1/tasks 创建任务并返回任务 ID，GET /v1/tasks/:id 报告状态，并在成功时于 output[] 中返回可下载的图像 URL。你在 input 中传入提示词（对于图生图，还需传入一至五张参考图像 URL）。

文生图 Pro

import time, requests

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": f"Bearer {HIAPI_TOKEN}"}

resp = requests.post(API, headers=HEADERS, json={
    "model": "gpt-image-2-pro",
    "input": {
        "prompt": "A pristine editorial magazine cover composition: a single "
                  "matte glass sphere resting on a polished dark slate plinth, "
                  "refracted interior architecture, studio key light, fine-grain "
                  "film texture, premium dark fashion-magazine aesthetic.",
        "aspect_ratio": "1:1",
        "resolution": "1K",
    },
}).json()
task_id = resp["data"]["taskId"]

while True:
    task = requests.get(f"{API}/{task_id}", headers=HEADERS).json()["data"]
    if task["status"] in ("success", "fail"):
        break
    time.sleep(5)

open("hero.png", "wb").write(
    requests.get(task["output"][0]["url"]).content)

要输出 2K，设置 "resolution": "2K"（并选择你的素材所需的宽高比）。计费引擎会干净地相乘——一次调用，$0.70。

图生图 Pro

图生图变体在 input_urls 数组中接受一至五张参考图像 URL。参考图像是托管 URL——如果你的图片在磁盘上，请上传到可访问的位置（对象存储、你的 CDN）并传入链接。

import time, requests

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": f"Bearer {HIAPI_TOKEN}"}

resp = requests.post(API, headers=HEADERS, json={
    "model": "gpt-image-2-image-to-image-pro",
    "input": {
        "prompt": "Restyle the product photo into a vintage Polaroid look: "
                  "warm tones, soft vignetting, retain product silhouette and "
                  "logo placement exactly. Magazine-grade output.",
        "input_urls": ["https://your-cdn.example.com/reference-product.png"],
        "aspect_ratio": "1:1",
        "resolution": "1K",
    },
}).json()
task_id = resp["data"]["taskId"]

while True:
    task = requests.get(f"{API}/{task_id}", headers=HEADERS).json()["data"]
    if task["status"] in ("success", "fail"):
        break
    time.sleep(5)

open("restyled.png", "wb").write(
    requests.get(task["output"][0]["url"]).content)

生产流量有两点值得知道：

• 一次 Pro 渲染端到端需要 60–120 秒。异步流程意味着等待期间没有任何连接被占用——每隔几秒轮询一次，或者在创建调用时设置 callback.url，让 hiapi 在终态时通知你的服务器。
• 如果你从无服务器 worker 前端调用，请持久化 taskId，让轮询器或回调来取结果——不要在 Pro 生成期间一直保持一次调用开启。

---

一种实用的路由模式

对于已经以 $0.03 运行 gpt-image-2 的团队，采用 Pro 最干净的方式是保留标准层级作为默认，只在标记的一部分任务上路由到 Pro。一个最小模式：

def pick_model(job):
    if job.get("tier") == "hero" or job.get("brand_critical"):
        return "gpt-image-2-pro"
    if job.get("reference_image"):
        return "gpt-image-2-image-to-image-pro" \
            if job.get("brand_critical") else "gpt-image-2/image-to-image"
    return "gpt-image-2/text-to-image"

在提交时给任务打标签（一个字段、一个布尔值），你的账单就保持可预测。Pro 变体于是充当精确工具而非默认选项——这正是它们被设计成的形态。

---

简明版

gpt-image-2-pro 和 gpt-image-2-image-to-image-pro 不是“更好的 gpt-image-2”。它们是同一模型家族中的稳定性层级条目——为你那一小部分“一次糟糕渲染的代价高于十次好渲染”的任务而打造。$0.03 的标准版在探索和批处理上仍然是赢家。$0.35（或带参考图时 $0.40）的 Pro 则是当图像本身就是交付物、而非草稿时你会选择的东西。

在价格页确认实时数字，标记真正需要稳定性的任务，并据此路由。两个模型都在 POST /v1/tasks 上应答——与你现有 gpt-image-2 worker 已经使用的任务形态相同。